GUI 基准揭示视觉模型空间推理短板
usc-isi · hf · 2026-08-28
USC ISI 发布 GUI-Primitives 基准，用于诊断视觉语言模型在图形用户界面定位任务中的表现。研究发现，模型的主要失败原因在于无法定位界面元素，而非误解空间关系。实验显示，若在推理前先标记候选元素，能显著提升模型的选择准确率。
「研究」频道最新
- 探讨极端深度对注意力残差连接排名的影响 — stochasticchasm · 2026-08-28
- 深度或成 attnres 与 full attention 胜负手：层数上百时天平会倾斜吗 — stochasticchasm · 2026-08-28
- 递归自学习实验：本地模型能突破防护并涌现能力 — KitchenAmoeba4438 · 2026-08-28
- 解析残差写回操作：为何设计中使用 2 x Sigmoid 初始化 — stochasticchasm · 2026-08-28
- Claude 成功设计并控制量子计算机激光锁定系统 — whurley · 2026-08-28
- Arjun Raj：AI 研究的关键在于拥有好的数据 — arjunrajlab · 2026-08-28